文档介绍：仿真及优化发展现状和未来展望
摘要：仿真优化技术是实现传统制造向可预测制造、科学制造转变的关键技术，目前已经引起科学界和企业界的广泛关注。本文在阐述了仿真优化基本原理和方法的基础上，介绍了国内外仿真优化技术在制造系统中各个层次的应用概况、优化效率；智能域根据所研究的领域问题知识选择适当的优化策略和方法；界面域研究优化器与用户及仿真模型的接口问题。“六域”构成了一个完整而有联系的理论框架，为仿真优化的集成问题指明了方向。基于“六域”集成思想，他们开发了一个仿真优化系统，并以一个“拉式”生产系统为例，重点研究各种仿真优化方法策略。该系统包括33个决策参数，以看板数量作为评价指标，优化算法分别采用进化策略(ES)、Hooke-Jeeves(HJ)模式搜索法及ES和HJ相结合的两阶段搜索策略。实验发现，HJ收敛速度最快，但解的质量较ES差，ES+HJ方法的运行时间和解的质量均处于HJ和ES之间，能够在可接受的时间内获得较优解。该项研究结果表明，有效的搜索策略能够提高优化效率、改善解的质量。
美国堪萨斯州立大学Azadivar一直致力于仿真优化理论及应用研究，他和Tompkins于1999年针对具有离散、定性决策变量和模型结构变化的问题提出了一种
GA和仿真模型自动生成器相结合的仿真优化方法。该方法具有一定的代表性，一般来说，在仿真优化系统中，仿真模型始终保持不变，只需改变输入参数即可，并且输入参数都是定量的，而他们解决的是一个制造系统初期规划问题，即确定购买设备的数量、车间布局形式和采用的工艺路线以及调度规则等，优化算法在每次迭代中产生的解是一组全新的系统配置方案，前一代解对应的仿真模型可能与当前配置方案不一致，因此需要重新构建仿真模型。他们采用了MODSIMII对制造系统进行建模，利用面向对象技术中的封装和延迟绑定技术实现仿真模型的自动创建功能。为了保证优化算法和仿真模型之间的有机集成，基于GA的优化器也在MODSIMII中实现。为了实现对各种参数并行优化，GA采用三段编码方式，依次表示工件的工艺路线、设备类型和车间布局方案。该方法的优点是可以解决离散与定性输入参数问题，并且适合对相似类型的制造系统进行布局规划同时也存在一定的缺点，优化算法在寻优过程中不可避免会产生重复设计方案，针对每组方案需要重新创建模型并运行仿真，需要耗费大量的计算资源，影响运行效率，因此，该方法缺乏去掉重复方案的有效手段。
2000年，法国Cergy大学的Fontanili等人研究了装配线运行管理问题。他们归纳总结了装配线在运行过程中可能存在的决策点，如订单释放优先级、投产批量、工件释放间隔时间和缓冲区容量等，这些决策点之间相互关联、相互影响，是一个典型的组合优化问题。为解决这一问题，他们采用GA和商业化仿真软件WITNESS开发了一个仿真优化系统，在该系统中利用开发工具Delphi编制优化算法程序，并通过MicrosoftOLE自动化技术实现和仿真模型集成。中GA采用整数编码，染色体的每个基因代表相邻工件的投产时间间隔。Fontanili利用该系统对单一产品与混合产品的装配流程进行了研究，以生产周期作为性能评价指标，实验数据表明，通过仿真优化技术，极大地改善了装配线的运行效果。
但是，在列举的众多决策点中，该系统只考虑了如何优化工件的投产时间间隔，而没有涵盖对其它运行参数的优化。
日本JGC公司在意识到仿真优化的重要性后，联合美国西北大学共同研制开发了一个用于解决制造企业设施规划的仿真优化软件。该软件以JGC公司实际工程应用需求出发，注重优化策略和仿真结果的统计分析问题。他们采用AweSim作为仿真建模工具，优化模块使用麻省理工大学的Wall开发的遗传算法库(GALib-a),通过
C++语言实现二者的集成及编写统计分析程序，利用VisualBasic开发统一用户界面。该系统将仿真优化过程分为三个阶段，首先是基本参数的设置，用户可以通过图形化的界面定义决策变量、目标函数、约束条件以及根据经验知识为系统提供效果相对较好的初始设计方案，除此之外，还可以定义与统计分析相关的参数；其次是备选方案的生成，优化器根据初始条件产生可行解，并根据问题规模的大小及系统运行时间的约束，自动决定是否搜索整个解空间，在该过程中系统数据库存储了所有设计方案及其响应值，评估每个方案之前，先在数据库中检索该方案是否存在，以决定是否对其进行仿真评估，避免浪费计算资源；再次是仿真输出的统计分析，针对随机仿真问题，每个方案需多次运行仿真才能确定最终响应值，该步骤利用改进的统计分析方法来提高分析精度及减少仿真迭代次数。该系统显著提高了仿真优化效率与可操作性，各模块相互统一，同时又保持了一定的独立性，初步具备了Bowden等提出的仿真优化的“六域”集成思想。
2004年，比利时Fa